El algoritmo hace uso de imágenes Neatimage DeNoise?

Question

¿Qué tipo de algoritmo hace uso Neatimage para eliminar el ruido y el grano de fotos? Entiendo que este es el software propietario, pero probablemente alguien tiene una idea. Las referencias a publicaciones o similares a los algoritmos son bienvenidos.

Answer 1

En este trabajo parece prometedor:

http://research.microsoft.com/~larryz/04359321.pdf

Se discute brevemente el algoritmo de NeatImage y sería un buen lugar para empezar.

Answer 2

En su forma más básica, la reducción de ruido normalmente usa un promedio de píxeles. El problema, por supuesto, es que un simple promedio pierde detalle. Con un promedio de más de píxeles reduce el ruido más, pero pierde más detalle. Con un promedio de menos píxeles pierde menos detalle, pero reduce el ruido menos.

Algo así como NeatImage o Noise Ninja hará su promedio de píxeles de forma adaptativa - por ejemplo, va a empezar con un análisis de los cambios que se producen con suficientes píxeles que son poco probable que sea el ruido, y donde se ve a aquellos, hacen el promedio de más de un menor número de píxeles.

También se llevará a los canales de la imagen en cuenta. Una cámara digital normal tiene un filtro delante de cada Sensel. La disposición normal es algo así como g-r-g-b (aka, un patrón Bayer). En un caso típico, el filtro transmite verdes más luz que el rojo o (especialmente) el azul. Para mantener el balance de color en la imagen final, el brillo de los azules en la imagen tiene que ser "impulsado" para compensar. Esto, sin embargo, tiende a aumentar el ruido en el canal azul. Para compensar esto, el reductor de ruido será normalmente hacer promediado más bien mínimo en el canal verde, un poco más en el canal rojo, y más todavía en el canal azul.

Un reductor de ruido avanzada normalmente se iniciará con un modelo del ruido para un sensor individual, y aplicar la reducción de ruido en base a ese modelo. IIRC, NeatImage también le permite tomar "marcos oscuros" (por ejemplo, una segunda exposición 30 con la tapa de la lente) para obtener un mejor mapa de las características acústicas exactas de su sensor exacta, y tenerlo en cuenta (sé Noise Ninja permite eso, y si la memoria no sirve NeatImage también lo hace). Normalmente, para que esto funcione lo mejor, quieres empezar con algo así como cinco marcos oscuros. Usted analizar estadísticamente los encontrar 1) que los píxeles son consistentemente brillante u oscuro ( "píxeles atascados") y 2) los patrones consistentes se pueden encontrar en el ruido para que pueda eliminar los directamente (por ejemplo, la parte del sensor cerca del procesamiento puede entrar en calor, y por lo tanto más ruidoso, que en otras partes), y 3) el tipo y el grado de variación a esperar de ruido incluso en los que no es realmente un patrón (por ejemplo, algunos sensores muestran ruido de luminancia, crominancia los demás sobre todo el ruido).

Answer 3

Creo que todos los tres principales (Noiseware, Neat Image, Noise Ninja) aplicar algún tipo de eliminación de ruido Wavelets.
La razón es simple, todos los métodos no locales son demasiado lentos para implementar.
A pesar de DXO convertidor RAW utiliza medios no locales.

Se puede encontrar fácilmente algunos artículos sobre eso (y volver a nosotros para señalar el mejor que has encontrado) ...